OpenSkillIndex← back to search
claude-code

TapCanvas tapcanvas-visual-focus

基于图片理解提取“视觉重点/注意力分配/关键要素”，并根据用户对话目标输出可执行的要点清单与提示词骨架（默认用 tapcanvas_vision + modelAlias=gemini-3.1-flash-image-preview）。

install
source · Clone the upstream repo
git clone https://github.com/anymouschina/TapCanvas
Claude Code · Install into ~/.claude/skills/
T=$(mktemp -d) && git clone --depth=1 https://github.com/anymouschina/TapCanvas "$T" && mkdir -p ~/.claude/skills && cp -r "$T/apps/agents-cli/skills/tapcanvas-visual-focus" ~/.claude/skills/anymouschina-tapcanvas-tapcanvas-visual-focus && rm -rf "$T"
manifest: apps/agents-cli/skills/tapcanvas-visual-focus/SKILL.md
source content

TapCanvas 视觉重点提取（Visual Focus）

适用场景：

  • 用户给了图片（URL 或 DataURL），并希望你提取“视觉重点/关键要素/注意力在哪里/风格要点/拍摄布光要点”。
  • 用户的目标来自对话：例如“复现这张图”“做同风格海报”“做分镜/视频风格对齐”“提炼这张图的视觉主轴”。

目标

  • 不“看图编故事”：只基于图中可见内容；不确定就标注“推测/不清晰”。
  • 把“视觉重点”拆成可执行清单：必须保留 vs 可以替换。
  • 给出后续生成/改图可直接用的“提示词骨架”（必要时给英文 prompt + negative prompt）。

工作流（按对话驱动）

  1. 拿到图片输入
  • 优先使用用户给的 
    imageUrl
    （http(s) 或相对路径 
    /...
    ）。
  • 其次 
    imageData
    （
    data:image/*;base64,...
    ）。
  • 如果用户没给图片或给的是 
    blob:
    /本地路径，先让用户上传为可访问 URL，或让其提供 DataURL。
  1. 从对话中抽取“用户想要的视觉重点”
  • 用途：复现/改图/海报/视频/风格对齐
  • 强调：主体、材质、文字、光线、氛围、配色、构图、镜头
  • 忽略：不想要的元素（背景、道具、文字等）
  • 输出偏好：要中文总结、要 JSON、要英文 prompt、要负面词等
  1. 调用图片理解工具（必做）
  • 使用 
    tapcanvas_vision
    。
  • 默认：
    modelAlias="gemini-3.1-flash-image-preview"
    、
    temperature=0.2
    。
  • 若上游已经提供外部 
    prompt
    ，直接透传；若未提供，再使用下方推荐模板。
  • 若需要固定厂商（避免 auto 路由到其它厂商），传 
    vendorCandidates
    （例如仅允许某个厂商）。

建议给 

tapcanvas_vision.prompt
的模板（把对话目标填进去）：

“你是资深视觉导演与提示词工程师。请基于输入图片，结合我的目标：<用户目标>，提取我需要的视觉重点。输出严格有效 JSON（不要代码块/多余文字），字段如下：

  • summaryZh: 一句话画面摘要
  • focusPoints: 数组，每项包含 pointZh（重点）、importance（1-5）、evidence（图中依据/位置特征）、mustKeep（true/false）、canVary（可替换/可变化的方向）
  • composition: 构图与镜头（景别/视角/主体位置/景深与焦段倾向；推测需标注）
  • lighting: 光线（主光方向、软硬、色温、阴影特征）
  • colorPalette: 主色/辅色与氛围
  • styleTags: 风格标签数组（摄影/插画/3D/动漫等）
  • textInImage: 画面可见文字（不清晰就写不清晰）
  • englishPrompt: 可复现英文提示词（只输出提示词正文）
  • negativePrompt: 建议的反向提示词（可选）

注意：不要编造不存在的品牌/文字/认证信息；对不确定内容用‘推测/可能’。””

  1. 把结果变成“可执行”输出
  • 如果返回是 JSON：优先按 focusPoints 输出，并补齐“必须保留/可以替换/提示词骨架”。
  • 如果返回不是 JSON：按同样结构用中文整理一份（不要臆测）。

推荐输出模板（中文）

  • 视觉重点（Top 5-10）：（每条含重要度、必须保留/可替换）
  • 必须保留：用于风格对齐/复现的关键要素
  • 可以替换：在不破坏风格前提下可变化的要素
  • 提示词骨架（用于生成/改图）：中文要点 +（如需要）英文 prompt
  • 反向提示词建议（可选）

调用示例（工具参数示意）

  • tapcanvas_vision
    参数要点： 
    • vendor: "auto"
    • vendorCandidates: ["<可选：限制候选厂商>"]
    • modelAlias: "gemini-3.1-flash-image-preview"
    • temperature: 0.2
    • imageUrl
      或 
      imageData
    • prompt: "<按上面模板拼装的任务描述>"